2025年智能风控典藏版合集.pdfVIP

国际资本市场研报资讯+V:

DataFunTalk成就百万数据科学家！

1

国际资本市场研报资讯+V:

DataFunTalk成就百万数据科学家！

目录

模型可解释性在保险理赔反欺诈中的实践7

图算法在网络黑产挖掘中的思考21

联邦学习与安全多方计算36

58同城风控平台演进59

度小满金融大数据风控模型实践70

Fraudar算法在京东关系网络反欺诈中的应用85

携程金融自动化迭代反欺诈模型体系100

微众银行在联邦推荐算法上的探索及应用113

机器学习中的隐私保护144

关系图谱在贝壳找房风控体系的应用与实践162

新一代联邦学习技术及应用实战178

构建端到端的联邦学习Pipeline生产服务212

风控建模流程：以京东群体感知项目为例244

信贷业务风控策略简介266

机器学习在信贷风控建模中的优势和挑战280

度小满智能获客系统实践297

金融风控反欺诈之图算法307

机器学习在反欺诈中应用324

混合、安全对抗下人工智能设计原则336

5

DataFunTalk成就百万数据科学家！

自动化特征工程和自动建模在风控场景的应用349

爱奇艺流量反作弊的“术”与“道”366

6

国际资本市场研报资讯+V:

DataFunTalk成就百万数据科学家！

模型可解释性在保险理赔反欺诈中的实践

分享嘉宾：张洪涛

编辑整理：马韶光

出品平台：DataFunTalk

导读：真实的理赔产品中，绝大部分客户是就医或者患病诊断患病之后去

找保险公司进行申请理赔，但是其中有一小部分客户他会制造假的就医记

录或者带病投保到保险公司骗取保险金，怎么样保证正常投保客户能够正

常理赔的保险权益，同时避免骗保客户给公司带来的经济上的损失成为了

一个十分关键的问题。近几年，随着AI的蓬勃发展和数据的不断积累，

从算法技术来讲，很多行业在欺诈风险识别中表现出了非常优异的效果，

产生了一些非常好的价值。但由于算法本身属性的原因，模型的结果却难

以解释，但这在真实的业务场景中却非常关键。这次带来的分享内容，就

是我们在实际的保险理赔反欺诈场景中的一个模型，可解释性的一些探索

经验，希望能够给大家带来一些启发，或者一些其他的帮助。

7

国际资本市场研报资讯+V:

DataFunTalk成就百万数据科学家！

今天的介绍会围绕下面四点进行展开：

模型可解释的整体背景

目前学术界和工业界现有的一些模型解释方法，例子以及对应原理

模型可解释性在实际的场景中的一个具体的应用和实施方案

对模型可解释性的简单的展望

01

模型可解释性的整体背景

软件工程学上我们经常用到一个术语叫软件的生命周期，这里把它用在模

型上，按照模型的生命周期来看，将模型的可解释性总结为三个方面，或

者说三个不同时期的作用。

8

国际资本市场研报资讯+V:

DataFunTalk成就百万数据科学家！

模型的